摘要：
个人总结： 第一次看到这个方面的论文，方法上还是用了后验概率来建立模型，不过代码并没有开源，具体细节还要商榷。 摘要 提出的问题：传统的手工定制的特征只能定义有限范围内的关系。在一个集体内，个体之间复杂的依赖关系不能很好地建立模型。 解决方法：通过在特征空间（feature space）嵌入潜在变量 阅读全文
摘要：
贡献： 提出了一种新的正则化方法，减少过拟合的发生，同时让神经网络具有更好的鲁棒性。 这种方法在图像和feature map 内部进行局部的permutation （置换），没改变整体的特征信息，又添加了新的变化（variance），用于训练中，提高了模型的鲁棒性，防止过拟合的发生 过拟合 过拟合的 阅读全文
摘要：
个人总结： 其实说白了就是： AT-CNNs are more biased towards global structures, such as shapes and edges。 AT-CNN对图像的整体结构，比如形状，边缘更加敏感，可以更好的捕捉到这些信息。 AT-CNNs are less 阅读全文